使用Ultralytics训练的RT-DETR模型推理时出现KeyError:263求助

问题背景 #

基于Ultralytics训练了单类别目标检测的RT-DETR模型，使用以下代码加载权重进行推理：

from ultralytics import YOLO
import cv2

# Load your trained model
model = YOLO(r"/content/drive/MyDrive/LN/best.pt")

# Load an image for inference
image_path = r"/content/drive/MyDrive/LN/114_jpg.rf.6b9c3febc395a3968078eec417f1c9ed.jpg"
image = cv2.imread(image_path)

# Perform object detection on the image
results = model(image)

错误信息 #

运行时抛出KeyError: 263，完整错误栈如下：

KeyError                                  Traceback (most recent call last)
<ipython-input-3-d814bef29ddf> in <cell line: 12>()
     10 
     11 # Perform object detection on the image
---> 12 results = model(image)

6 frames
/usr/local/lib/python3.10/dist-packages/ultralytics/engine/results.py in verbose(self)
    661             for c in boxes.cls.unique():
    662                 n = (boxes.cls == c).sum()  # detections per class
---> 663                 log_string += f"{n} {self.names[int(c)]}{'s' * (n > 1)}, "
    664         return log_string
    665 
KeyError: 263

排查动作 #

由于仅训练了一个类别，怀疑错误与类名映射相关，尝试用以下代码查看模型的类别数量及名称：

from ultralytics import YOLO

# Load the trained model
model = YOLO(r"D:\Research\Bhargav-Kaushik\best.pt")

# Print the class names
print("Class Names:", model.names)

解决方法 #

方法1：手动修正模型类别映射 #

加载模型后，直接覆盖model.names为单类别字典，确保类别ID（通常为0）对应你的目标类别名称：

model = YOLO(r"/content/drive/MyDrive/LN/best.pt")
# 替换为你的实际类别名称
model.names = {0: "your_target_class"}

修正后再执行推理即可避免KeyError。

方法2：检查训练配置文件 #

训练时若未正确指定单类别配置，会导致模型继承默认的多类别映射（如COCO数据集的类别），进而引发ID不匹配。检查训练使用的data.yaml文件，确保：

• nc: 1（类别数设置为1）
• names: ["your_class_name"]（单类别名称列表）
  如果配置错误，可重新训练，或按方法1手动修正已训练模型的类别映射。

方法3：临时关闭verbose输出 #

若只需临时规避错误，可在推理时添加verbose=False参数，跳过类别名称的自动打印：

results = model(image, verbose=False)

后续可自行处理检测结果，由于是单类别，所有检测框的cls值均为0。

内容的提问来源于stack exchange，提问作者Hitesh Tekchandani